| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 中英文对照表 | 第13-14页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 研究背景和意义 | 第14-17页 |
| 1.1.1 图像识别过程 | 第14-15页 |
| 1.1.2 图像识别的意义 | 第15-17页 |
| 1.2 图像识别的国内外研究现状 | 第17-18页 |
| 1.3 本文的研究内容 | 第18-19页 |
| 1.4 本文的组织结构 | 第19-20页 |
| 第二章 图像识别技术 | 第20-36页 |
| 2.1 SIFT | 第20-25页 |
| 2.1.1 尺度空间 | 第20-21页 |
| 2.1.2 SIFT算子 | 第21-23页 |
| 2.1.3 关键点位置确定与不稳定点剔除 | 第23-25页 |
| 2.2 编码算法 | 第25-28页 |
| 2.2.1 Bag-of-Words模型 | 第25-27页 |
| 2.2.2 空间金字塔匹配 | 第27-28页 |
| 2.3 K-SVD | 第28-33页 |
| 2.3.1 矢量量化的K-均值算法 | 第28-30页 |
| 2.3.2 K-SVD广义的K-均值 | 第30页 |
| 2.3.3 K-SVD算法 | 第30-33页 |
| 2.4 深度学习 | 第33-34页 |
| 2.5 本章小结 | 第34-36页 |
| 第三章 分层特征提取设计 | 第36-54页 |
| 3.1 基础概念 | 第36-37页 |
| 3.1.1 分层特征提取 | 第36-37页 |
| 3.1.2 多通道 | 第37页 |
| 3.2 图像识别框架 | 第37-38页 |
| 3.3 特征提取设计 | 第38-48页 |
| 3.3.1 预处理 | 第38-40页 |
| 3.3.2 字典学习 | 第40-43页 |
| 3.3.3 稀疏编码 | 第43-45页 |
| 3.3.4 Pooling技术 | 第45-48页 |
| 3.3.5 归一化 | 第48页 |
| 3.4 特征分层 | 第48-50页 |
| 3.5 多通道稀疏编码 | 第50-52页 |
| 3.6 本章小结 | 第52-54页 |
| 第四章 实验与结果分析 | 第54-62页 |
| 4.1 实验数据集 | 第54页 |
| 4.2 实验平台 | 第54-55页 |
| 4.3 实验内容 | 第55-57页 |
| 4.4 实验结果 | 第57-61页 |
| 4.4.1 实验一：K-SVD对比优化后的K-SVD码本学习算法 | 第57-58页 |
| 4.4.2 实验二：MP算法对比OMP算法 | 第58-59页 |
| 4.4.3 实验三：对单通道的分层特征提取算法进行试验 | 第59-60页 |
| 4.4.4 实验四：合并单通道,进行多通道实验,对比其他算法 | 第60-61页 |
| 4.4.5 算法效率对比 | 第61页 |
| 4.5 本章小结 | 第61-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 5.1 总结 | 第62页 |
| 5.2 后续工作 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-70页 |
| 在读期间发表的学术论文与参与的科研项目 | 第70页 |
